Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com22. November 2024 · Q011556

Grok: Build a Multi-Agent AI App in Python

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Artikel zeigt, wie mit Grok und Agno ein Python-Team aus Websuch- und Finanzagent sowie einem Koordinator eingerichtet und über einen lokalen Playground bedient wird. Er beschreibt Installation und Beispielcode, enthält aber keine unabhängige Bewertung von Genauigkeit, Kosten oder Sicherheit; die erwähnte kostenlose API-Nutzung bezog sich auf den damaligen Stand.

Mittel

Amos Gyamfis Artikel erklärt den Aufbau einer einfachen Python-Anwendung mit zwei spezialisierten KI-Agenten und einem Koordinator. Als Modell dient Grok von xAI, Agno organisiert Agenten und Oberfläche. Die Anleitung behandelt die Einrichtung von API-Zugängen, einer virtuellen Python-Umgebung und der benötigten Pakete.

Der Web-Agent soll mit DuckDuckGo suchen, Quellen nennen und Informationen strukturiert wiedergeben. Der Finanz-Agent verwendet Yahoo-Finance-Werkzeuge für Aktienkurse, Analystenempfehlungen, Unternehmensdaten und Nachrichten. Ein koordinierender Agent soll beide Beiträge zusammenführen, etwa bei einer Anfrage zu Analystenmeinungen und aktuellen Nachrichten über Nvidia. Zunächst wird die Anwendung über die Kommandozeile ausgeführt; anschließend zeigt der Artikel, wie sich Agnos Playground als lokale Oberfläche auf Port 7777 bereitstellen lässt. Nutzungsanzeigen im Agno- und xAI-Dashboard sollen helfen, den Modellverbrauch zu beobachten.

Der Text beschreibt ein Beispiel und berichtet keine unabhängigen Messungen zu Antwortqualität, Genauigkeit, Kosten oder Sicherheit. Die Umsetzung setzt Konten, API-Schlüssel und die genannten Dienste voraus. Die erwähnte kostenlose xAI-API-Nutzung galt laut Artikel zum Zeitpunkt seiner Erstellung.

Ausführlich lesen

Der Artikel von Amos Gyamfi beschreibt, wie sich mit Python ein kleines Team aus KI-Agenten für Websuche und Finanzinformationen erstellen lässt. Dafür verwendet die Anleitung Grok von xAI als Sprachmodell, das Agno-Framework für die Agenten und dessen Playground als Oberfläche. Cursor dient als Entwicklungsumgebung. Der Autor ordnet Multi-Agenten-Systeme allgemein als Zusammenspiel mehrerer Agenten ein, die Aufgaben übernehmen und von einer koordinierenden Instanz gesteuert werden können.

Die Anleitung führt zunächst durch die Einrichtung: ein xAI-Konto und einen API-Schlüssel anlegen, eine Python-Umgebung erstellen und Pakete für Agno, OpenAI, DuckDuckGo-Suche und Yahoo-Finance-Daten installieren. Für den Agno-Playground nennt der Artikel zusätzlich FastAPI, SQLAlchemy und eine Agno-Anmeldung samt Schlüssel. Die OpenAI-Bibliothek werde mitinstalliert, damit sich Grok laut Artikel leichter durch ein OpenAI-Modell ersetzen lasse.

Anschließend zeigt der Autor drei Agenten. Der Web-Agent nutzt DuckDuckGo und soll Informationen suchen, Quellen nennen, Angaben nach Möglichkeit gegen mehrere Quellen prüfen und Ergebnisse strukturiert darstellen. Der Finanz-Agent erhält Yahoo-Finance-Werkzeuge für Aktienkurse, Analystenempfehlungen, Unternehmensinformationen und Nachrichten. Er soll Kennzahlen tabellarisch aufbereiten und Empfehlungen einordnen. Ein dritter Agent koordiniert die beiden Teammitglieder und soll Finanzdaten mit Marktnachrichten zusammenführen. Der Beispielaufruf bittet um Analystenempfehlungen und aktuelle Nachrichten zu Nvidia.

Für die erste Ausführung wird eine Antwort in der Kommandozeile angezeigt. Danach ersetzt der Artikel diesen Aufruf durch wenige Zeilen, die eine Playground-Anwendung bereitstellen. Nach der Agno-Authentifizierung soll das Programm lokal auf Port 7777 laufen; im Playground können Nutzer laut Beschreibung mit dem Agenten interagieren und Anfragen zu Unternehmen stellen. Der Autor verweist außerdem auf Nutzungsübersichten im Agno-Dashboard und im xAI-Konto, die beim Beobachten des Modellverbrauchs helfen sollen.

Der Beitrag ist eine praktische Beispielanleitung und präsentiert die Anwendung als lauffähig, liefert aber keine unabhängigen Tests oder Messwerte zu Genauigkeit, Qualität, Kosten oder Sicherheit der Agentenantworten. Die beschriebenen Funktionen hängen von den genannten Diensten, Zugangsdaten und Bibliotheken ab. Der Hinweis auf kostenlosen programmatischen xAI-Zugang bezieht sich ausdrücklich auf den Zeitpunkt der Artikelerstellung; daraus folgt keine Aussage über heutige Verfügbarkeit oder Konditionen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: ok

Beide Zusammenfassungen (kurz und mittel) wurden gemeinsam geprüft, da das Schema nur ein Objekt vorsieht. Beide geben den Bericht sachlich korrekt wieder; die Einordnung bezieht sich auf den Bericht selbst, nicht auf Lunas Stufen.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Austauschbarkeit des Modells gegen OpenAI-Modelle wird im Bericht als Designpunkt hervorgehoben und fehlt in beiden Zusammenfassungen.
  • Die genannten Anwendungsfälle wie Slack-Anbindung, Transkription von Anrufen und Videokonferenz-Analyse fehlen.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 35 %gleiches Oberthema, hilft nicht
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 76 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %Hintergrund, keine Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 55 %Hintergrund, keine Belege
    • JEV 27 %gleiches Oberthema, hilft nicht
    • amos 30 %nur am Rande erwähnt
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 52 %einzelne zitierbare Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 41 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 38 %gleiches Oberthema, hilft nicht
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 36 %gleiches Oberthema, hilft nicht
    • Luna 81 %Hintergrund, keine Belege
    • JEV 53 %nur am Rande erwähnt
    • amos 33 %nur am Rande erwähnt
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 70 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 27 %Hintergrund, keine Belege
    • JEV 39 %nur am Rande erwähnt
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →